Badanie PISA (Programme for International Student Assessment) to międzynarodowe badanie edukacyjne przeprowadzane co trzy lata przez Organizację Współpracy Gospodarczej i Rozwoju (OECD). Celem badania PISA jest ocena umiejętności uczniów z zakresu matematyki, nauk przyrodniczych i czytania.
Badanie to ma na celu również ocenę efektywności systemów edukacyjnych w krajach uczestniczących w badaniu. PISA bada umiejętności 15-latków, ponieważ w tym wieku uczniowie kończą szkołę podstawową i wkraczają do szkoły średniej, co stanowi kluczowy moment w ich edukacji
Badania PISA są przeprowadzane w ponad 80 krajach na całym świecie, a wyniki są porównywane między krajami. PISA jest uważane za jedno z najważniejszych międzynarodowych badań edukacyjnych i stanowi ważne źródło informacji dla polityków, nauczycieli i badaczy zajmujących się kwestiami edukacyjnymi.
W poniższej analizie skupimy się na wynikach uczniów z matematyki.
df2 <- df %>%
filter(Year.Study == 2018) %>%
select(Year.Study, Jurisdiction, Average)
DT::datatable(df2)Ponieważ wyniki w obecnej formie są trudne do odczytania, postanowiłam przedstawić je w bardziej przystępnej formie za pomocą wykresu. W ten sposób będzie łatwiej zauważyć wzorce i zmiany w wynikach.
plot_ly(
data = filter(df, Year.Study == 2018),
x = ~Jurisdiction,
y = ~Average,
colors = "Set1"
) %>%
layout(
xaxis = list(title = 'Country'),
yaxis = list(title = 'Average score')
) %>%
layout( xaxis = list(titlefont = list(size = 17)),
yaxis = list(titlefont = list(size = 17)))Aby lepiej zrozumieć, jak krajowi wypadają na tle innych państw w badaniach PISA, warto przeanalizować trendy w wynikach w czasie. W tym celu można wybrać grupę krajów, które w 2018 roku osiągnęły najlepszy średni wynik i sprawdzić, jak ich wyniki zmieniały się w ciągu ostatnich trzech testów PISA, czyli w latach 2018, 2015 i 2012. Porównanie tych wyników pozwoli na lepsze zrozumienie trendów w edukacji i odkrycie, czy dane kraje udoskonaliły swoje wyniki w ciągu ostatnich kilku lat, czy też nie.
df2 <- df %>%
filter(Year.Study == 2018) %>%
arrange(desc(Average)) %>%
head(10)
df3 <- df %>%
filter(Jurisdiction %in% df2$Jurisdiction)
plot_ly(
data = df3,
x = ~Jurisdiction,
y = ~Average,
color = ~Year.Study,
colors = "Set1",
type = 'scatter'
) %>%
layout(
xaxis = list(title = 'Country'),
yaxis = list(title = 'Average score')
) %>%
layout( xaxis = list(titlefont = list(size = 17)),
yaxis = list(titlefont = list(size = 17)))Analiza wyników badania PISA pozwala na wyłonienie interesujących
trendów w edukacji na przestrzeni czasu.
Jednym z takich trendów może być obserwowany wśród niektórych krajów
wzrost wyników w 2012 roku w porównaniu z wynikami uzyskanymi w latach
2015 i 2018. Oznacza to, że w 2012 roku większość z tych krajów
osiągnęła wyższe wyniki niż w innych latach. Taki wniosek może wskazywać
na różnice w podejściach do edukacji, które były bardziej skuteczne w
2012 roku w porównaniu z latami późniejszymi.
df4 <- read.csv("/Users/Patrycja/Documents/R_rok2/dane2.csv")
plot_ly(
data = df4,
x = ~Year.Study,
y = ~Average,
colors = "Set1",
type = "bar"
) %>%
layout(
xaxis = list(title = 'Test Year'),
yaxis = list(title = 'Average score')
) %>%
layout( xaxis = list(titlefont = list(size = 17)),
yaxis = list(titlefont = list(size = 17)))Wyniki PISA dla Polski w dziedzinie matematyki na przestrzeni lat
ukazują pewne istotne zmiany w wynikach uczniów.
Od 2003 roku Polska systematycznie poprawia swoje wyniki, plasując się
coraz wyżej w rankingu krajów biorących udział w badaniach PISA. W 2003
roku Polska zajęła 17 miejsce, a w 2018 roku awansowała na 22 miejsce
wśród 79 krajów.